Deteksi Fraud Pada Transaksi Perbankan Digital Menggunakan AutoEncoder-Enhanced Extended Isolation Forest

dc.contributor.author	Altamis Fattah Atmaja
dc.date.accessioned	2026-06-08T04:43:38Z
dc.date.issued	2026-02-11
dc.description	FINALISASI oleh Agus 2026 Juni 08
dc.description.abstract	Peningkatan transaksi perbankan digital turut meningkatkan risiko terjadinya penipuan (fraud). Penelitian ini mengusulkan metode deteksi fraud berbasis unsupervised learning menggunakan pendekatan Hybrid AutoEncoder–Enhanced Extended Isolation Forest (AE–EIF+). AE digunakan untuk mendeteksi penyimpangan pola transaksi normal melalui nilai reconstruction error, sedangkan EIF+ menganalisis lebih lanjut transaksi yang terindikasi mencurigakan. Evaluasi dilakukan pada dataset BankSim dan Credit Card Fraud. Hasil penelitian menunjukkan bahwa metode AE–EIF+ mampu meningkatkan akurasi dan stabilitas deteksi fraud dibandingkan model tunggal maupun kombinasi AE-EIF, terutama pada data yang sangat tidak seimbang.
dc.description.sponsorship	Dosen Pembimbing Utama : Muhammad 'Ariful Furqon, S.Pd., M.Kom.
dc.identifier.uri	https://repository.unej.ac.id/handle/123456789/8278
dc.language.iso	other
dc.publisher	Ilmu Komputer
dc.subject	fraud detection
dc.subject	digital banking
dc.subject	AutoEncoder
dc.subject	EIF+
dc.subject	unsupervised learning
dc.title	Deteksi Fraud Pada Transaksi Perbankan Digital Menggunakan AutoEncoder-Enhanced Extended Isolation Forest
dc.type	Other

Files

Now showing 1 - 1 of 1

Name:: doc-skripsi.pdf
Size:: 1.35 MB
Format:: Adobe Portable Document Format
Description:: Peningkatan transaksi perbankan digital turut meningkatkan risiko terjadinya penipuan (fraud). Penelitian ini mengusulkan metode deteksi fraud berbasis unsupervised learning menggunakan pendekatan Hybrid AutoEncoder–Enhanced Extended Isolation Forest (AE–EIF+). AE digunakan untuk mendeteksi penyimpangan pola transaksi normal melalui nilai reconstruction error, sedangkan EIF+ menganalisis lebih lanjut transaksi yang terindikasi mencurigakan. Evaluasi dilakukan pada dataset BankSim dan Credit Card Fraud. Hasil penelitian menunjukkan bahwa metode AE–EIF+ mampu meningkatkan akurasi dan stabilitas deteksi fraud dibandingkan model tunggal maupun kombinasi AE-EIF, terutama pada data yang sangat tidak seimbang.

Now showing 1 - 1 of 1